기존 기업의 데이터 분석에서 누락된 것은 무엇입니까?

기존 기업의 데이터 분석에서 누락된 것은 무엇입니까?

검색 엔진, 종합 포털, 소셜 네트워크 등 인터넷의 롱테일 경제 모델에서 운영되는 기업에서는 인스턴트 메시징과 전자상거래, 데이터 분석은 항상 많은 관심을 끌었습니다. 이들 기업은 데이터 분석 기술 및 애플리케이션의 최전선에 있으며, 기본 데이터 아키텍처를 지속적으로 혁신하고, 막대한 양의 데이터를 축적하며, 대규모 데이터 팀을 보유하고, 비교적 정확하게 위치하는 비즈니스 분야에서 데이터 분석 관련 애플리케이션 실무를 지속적으로 심화시키고 있습니다.

그러나 전통 산업 분야의 기업에서는 인터넷 기업에 비해 경영 및 비즈니스 의사 결정에 데이터 분석 방법을 적용하는 데 점점 더 많은 관심을 기울이고 있지만 데이터 분석 응용 프로그램의 깊이와 효율성은 여전히 ​​​​낮습니다. 전통적인 기업에서는 아직 충분하지 않습니다. 그렇다면 기존 기업의 데이터 분석에는 무엇이 빠졌습니까? 다음은 전통적인 기업에서의 장기적인 실제 경험을 바탕으로 한 개인적인 감정의 목록입니다.

우선 기업에 가장 없어서는 안 될 것은 데이터 분석 도구다. 최근 몇 년 동안 우리가 접한 많은 사례에서 기업은 이미 구매한 주류 비즈니스 인텔리전스 제품군이나 데이터 분석 및 데이터 시각화 도구와 같은 하나 이상의 데이터 분석 도구를 보유하고 있는 경우가 많다는 사실에 놀랐습니다. . 이는 기업이 데이터 분석의 중요성을 깨달았지만 고급 비즈니스 인텔리전스 또는 데이터 분석 도구 세트를 구입하고 데이터 분석 플랫폼을 실행하는 것이 데이터 분석 시대에 진입했다고 잘못 믿고 있음을 보여줍니다.

둘째, 전통 산업에서는 데이터 분석에 대한 일반적인 강조가 부족합니다. 세련된 경영을 갖춘 소수의 기업을 제외하면 많은 전통적인 기업은 주로 사람에 의해 지배되며 일상적인 비즈니스는 이미 이해되고 데이터 분석이 필요하지 않다고 믿습니다. 데이터 분석은 최고 경영진만을 위한 것이라고 믿고 비즈니스 인텔리전스/운영 의사 결정 시스템을 출시하는 데 많은 예산을 지출하지만 고도로 요약된 소량의 데이터만 제공할 수 있는 위치에 있는 회사도 있습니다( KPI 대시보드 등)을 최고 경영진에게 전달하고 도움이 될 수 없습니다. 관리 결정의 효율성을 추적할 수 없고, 관리 결정의 구현을 추적할 수 없으며 비즈니스 결정의 개발을 촉진할 수 있습니다. 그리고 최고 관리자들은 자신들을 위해 특별히 구축된 시스템을 사용하지 않는 경우가 많습니다.

셋째, 인터넷 기업에 비해 전통적인 기업은 전문적인 데이터 분석가가 부족하고 데이터 수집 및 분석 기술이 부족합니다. 대부분의 전통적인 기업에는 전담 데이터 부서, 직위 또는 역할이 없습니다. 관리 및 운영 의사 결정을 위한 데이터 요구 사항은 IT 부서에서 담당하는 경우가 많습니다. 그러나 많은 기업의 IT 부서도 불완전하게 구성되어 있으며 해당 기술도 있습니다. 주로 IT 시스템의 기획과 운영, 유지보수를 기반으로 합니다. 따라서 기업 데이터에는 데이터 분석 작업을 계획하고 구현하는 데 필요한 역량이 부족합니다.

그러나 전통적인 기업에서는 데이터 분석 노력을 확립하는 데 초점이 부족한 경우가 많습니다. 전통적인 기업은 인터넷 기업에 비해 사용자 수와 데이터 양 측면에서 인터넷 기업을 따라잡을 수 없을 뿐만 아니라 일반적으로 사업 범위가 넓고 조직 구조가 크며 관리 수준이 다양하고 비즈니스 논리가 복잡한 등의 특징을 가지고 있습니다. 그룹 운영, 일부 기업은 여러 사업 분야 및 복잡한 지주 관계와 같은 문제를 안고 있습니다. 이러한 복잡한 상황은 작고 컴팩트하며 정확한 위치에 있는 인터넷 회사의 범위를 훨씬 뛰어넘습니다. 전통적인 기업에서 전반적인 데이터 분석 작업을 수행하려는 과제는 매우 큽니다. 동일한 기업에서도 효과적인 단일 분석 대상, 분석 모드 및 분석 방법이 없습니다. 따라서 기존 기업에서는 데이터 분석 작업을 수행해야 합니다. 직면한 관리 및 운영 문제는 핵심 데이터 분석 요구 사항을 효과적으로 식별해야 하며, 초점이 부족한 데이터 분석 작업은 현실적이지도 효과적이지 않습니다.

나중에 우리는 전통적인 기업에 데이터를 획득하는 효과적인 수단이 부족한 경우가 많다는 사실을 발견했습니다. 전통적인 기업은 일반적으로 다양한 유형의 데이터베이스 시스템, 다수의 데이터베이스 인스턴스, 수동으로 유지 관리되는 다수의 데이터 파일을 포함하는 10개 또는 20개 이상의 핵심 비즈니스 시스템을 보유하고 있습니다. 일부 핵심 비즈니스 시스템이 여전히 폐쇄형 시스템이라는 점은 말할 것도 없고, 중간 규모 비즈니스 시스템에는 테이블이 1,000개가 넘는 경우가 많습니다. 비즈니스 데이터베이스에서 비즈니스 데이터를 직접 추출하는 것은 전체 비즈니스를 복원하는 것과 거의 같습니다. 논리. 따라서 저렴한 비용으로 단시간에 효과적으로 데이터를 통합하는 것이 어렵습니다. 많은 기업이 데이터 웨어하우스를 구축하더라도 데이터 수집 요구 사항을 완전히 충족할 수 없습니다.

마지막으로 기존 기업에는 데이터 자산에 대한 포괄적인 통제력이 부족합니다. 형평성, 역사, 비즈니스 및 기타 이유로 인해 그룹으로 운영되거나 대규모 마케팅 네트워크를 보유한 많은 기업은 중앙 집중식 시스템을 채택하지 않습니다. 의사 결정, 제품 및 시장 전략 기능은 그룹 본부, 마케팅 본부, 사업 부문 하위 그룹, 지역 관리 기관 등에 있습니다. 핵심 데이터 자산이 마스터되지 않았다는 사실과 관리 및 운영 의사결정의 기능적 요구 사이의 모순은 관리 및 운영 분석에 필요한 데이터를 얻기 위해 데이터 분석의 주요 장애물입니다. 수동으로만 데이터를 수집하기에는 데이터 분석 작업의 범위, 깊이, 효율성이 매우 부족합니다.

따라서 전통적인 기업의 경영 및 비즈니스 의사결정에 데이터 분석 기술과 적용이 완전히 대중화되려면 아직 갈 길이 멀다. 인터넷 기업이 말하는 것은 현재 단계가 아니며 전통적인 기업에서는 훨씬 더 어렵습니다.

위 내용은 기존 기업의 데이터 분석에서 누락된 사항에 대해 편집자가 공유한 관련 내용입니다. 자세한 내용은 Global Ivy를 팔로우하여 더 건조한 정보를 공유할 수 있습니다.